System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及图像处理,具体涉及一种新能源汽车座椅骨架质量智能检测方法。
技术介绍
1、由于新能源汽车的电池组件相对较重,因此座椅需要采用轻量化设计,以减少整车的重量,提高能源利用效率。因此,为了满足新能源汽车的特点和需求,新能源汽车座椅骨架与传统燃油车座椅骨架在设计和材料选择上有所不同,主要采用碳纤维、铝合金等轻量化材料。为了确保座椅骨架具有足够的强度和耐久性,以保障乘客的安全和舒适性,需要使用专业的测试设备和标准化的测试方法对座椅骨架进行严格的质量控制和测试,以确保座椅骨架的质量符合相关的法规和标准。
2、目前的测试方法主要通过人为评估或形状匹配等技术对座椅骨架表面的形变程度进行评估,仅能从宏观的角度检测座椅骨架的严重变形和断裂等明显缺陷,对于座椅骨架关键结构的轻微形变的检测效果不佳,座椅骨架质量的检测精度较低,影响乘坐者的舒适体验和安全性。
技术实现思路
1、为了解决上述技术问题,本专利技术提供一种新能源汽车座椅骨架质量智能检测方法,以解决现有的问题。
2、本专利技术的一种新能源汽车座椅骨架质量智能检测方法采用如下技术方案:
3、本专利技术一个实施例提供了一种新能源汽车座椅骨架质量智能检测方法,该方法包括以下步骤:
4、获取测试前座椅骨架图像和测试后座椅骨架图像;
5、根据测试前座椅骨架图像和测试后座椅骨架图像采用模版匹配算法获取测试后座椅骨架图像中的座椅骨架区域和测试前座椅骨架图像中对应的座椅骨架区域;对于座椅骨架区域
6、根据疑似形变点的形变缺陷指数检测汽车座椅骨架质量。
7、进一步地,所述获取测试后座椅骨架图像中的座椅骨架区域和测试前座椅骨架图像中对应的座椅骨架区域,包括:
8、利用大津阈值分割法获得测试后座椅骨架图像中的座椅骨架区域,采用模板匹配算法在测试前座椅骨架图像中获取所述座椅骨架区域的最佳匹配区域,作为测试前座椅骨架图像中对应的座椅骨架区域。
9、进一步地,所述构建像素点的局部光泽偏差权重,包括:
10、采用sobel算子计算测试后座椅骨架图像中的座椅骨架区域和测试前座椅骨架图像中的座椅骨架区域内像素点的灰度梯度方向,对于测试后座椅骨架图像中座椅骨架区域内各像素点,计算像素点与测试前座椅骨架图像中对应的像素点的灰度梯度方向的差值绝对值,将所述差值绝对值的相反数作为以自然常数为底数的指数函数的指数,计算1与所述指数函数的计算结果的差值,作为像素点的局部光泽偏差权重。
11、进一步地,所述根据像素点的局部光泽偏差权重以及邻域像素点的灰度值构建像素点的骨架匹配差异度,包括:
12、对于测试后座椅骨架图像中座椅骨架区域内各像素点,以像素点为中心构建方形邻域窗口,计算方形邻域窗口中各像素点与其在测试前座椅骨架图像中对应像素点的灰度值的差值绝对值,计算方形邻域窗口中所有像素点的所述差值绝对值的均值,将方形邻域窗口中心像素点的局部光泽偏差权重与所述均值的乘积作为方形邻域窗口中心像素点的骨架匹配差异度。
13、进一步地,所述根据各边缘线获取各拟合反光线,包括:对于位于座椅骨架区域内部的各边缘线,将边缘线上所有像素点的拟合线段作为拟合反光线。
14、进一步地,所述根据各拟合反光线与对应边缘线上的像素点构建各拟合反光线的光洁平整度,包括:
15、对于各拟合反光线,计算拟合反光线对应边缘线上的所有像素点与拟合反光线的欧式距离的均值,计算拟合反光线对应边缘线上的像素点数量与拟合反光线上的像素点数量的差值绝对值,计算所述均值与所述差值绝对值的乘积,将所述乘积的倒数作为拟合反光线的光洁平整度。
16、进一步地,所述基于拟合反光线获取各疑似形变点的对照像素点,包括:
17、对于各疑似形变点,获取与疑似形变点欧式距离最近的拟合反光线,过疑似形变点作一条与所述欧式距离最近的拟合反光线平行的直线,在所述直线上取与疑似形变点欧式距离最近的预设数量个像素点,记为疑似形变点的对照像素点。
18、进一步地,所述构建疑似形变点的光泽连续相似度,包括:
19、对于各疑似形变点,计算疑似形变点的对照像素点中除第一个对照像素点外的各对照像素点与其相邻的前一个对照像素点的骨架匹配差异度的差值绝对值,记为第一差值绝对值,计算疑似形变点与疑似形变点的对照像素点中除第一个对照像素点外的各对照像素点的lbp值的差值绝对值,记为第二差值绝对值,计算所述第一差值绝对值与所述第二差值绝对值的乘积,计算疑似形变点的对照像素点中除第一个对照像素点外的所有对照像素点的所述乘积的均值,计算与疑似形变点欧式距离最近的拟合反光线的光洁平整度乘以所述均值的计算结果,作为疑似形变点的光泽连续相似度。
20、进一步地,所述根据疑似形变点的光泽连续相似度计算疑似形变点的形变缺陷指数,包括:
21、将疑似形变点的光泽连续相似度的相反数作为以自然常数为底数的指数函数的指数,将指数函数的计算结果作为疑似形变点的形变缺陷指数。
22、进一步地,所述根据疑似形变点的形变缺陷指数检测汽车座椅骨架质量,包括:
23、计算所有疑似形变点的形变缺陷指数的均值,当所述均值大于预设质量阈值时,判定汽车座椅骨架的质量不合格,否则,判定汽车座椅骨架的质量合格。
24、本专利技术至少具有如下有益效果:
25、本专利技术通过分析质量测试前后座椅骨架的差异性变化,反映座椅骨架各个位置的形变程度,以实现座椅骨架的质量检测;首先利用模板匹配算法获取测试前座椅骨架图像与测试后座椅骨架图像中对应的座椅骨架区域,便于后续分析座椅骨架各个位置的形变程度;通过分析座椅骨架的不同位置由于受力程度不同,形变程度存在差异,计算座椅骨架区域内各像素点的骨架匹配差异度,反映各像素点处的座椅骨架发生形变的可能性;进一步分析发生形变的座椅骨架表面的光滑特征的变化,根据测试后座椅骨架图像获得拟合反光线,计算拟合反光线的光洁平整度,反映座椅骨架表面各处的光滑程度;根据与疑似形变点最近的拟合反光线的光洁平整度以及对照像素点的骨架匹配差异度计算各疑似形变点的光泽连续相似度,反映了疑似形变点处的座椅骨架表本文档来自技高网...
【技术保护点】
1.一种新能源汽车座椅骨架质量智能检测方法,其特征在于,该方法包括以下步骤:
2.如权利要求1所述的一种新能源汽车座椅骨架质量智能检测方法,其特征在于,所述获取测试后座椅骨架图像中的座椅骨架区域和测试前座椅骨架图像中对应的座椅骨架区域,包括:
3.如权利要求1所述的一种新能源汽车座椅骨架质量智能检测方法,其特征在于,所述构建像素点的局部光泽偏差权重,包括:
4.如权利要求1所述的一种新能源汽车座椅骨架质量智能检测方法,其特征在于,所述根据像素点的局部光泽偏差权重以及邻域像素点的灰度值构建像素点的骨架匹配差异度,包括:
5.如权利要求1所述的一种新能源汽车座椅骨架质量智能检测方法,其特征在于,所述根据各边缘线获取各拟合反光线,包括:对于位于座椅骨架区域内部的各边缘线,将边缘线上所有像素点的拟合线段作为拟合反光线。
6.如权利要求1所述的一种新能源汽车座椅骨架质量智能检测方法,其特征在于,所述根据各拟合反光线与对应边缘线上的像素点构建各拟合反光线的光洁平整度,包括:
7.如权利要求1所述的一种新能源汽车座椅骨架质
8.如权利要求1所述的一种新能源汽车座椅骨架质量智能检测方法,其特征在于,所述构建疑似形变点的光泽连续相似度,包括:
9.如权利要求1所述的一种新能源汽车座椅骨架质量智能检测方法,其特征在于,所述根据疑似形变点的光泽连续相似度计算疑似形变点的形变缺陷指数,包括:
10.如权利要求1所述的一种新能源汽车座椅骨架质量智能检测方法,其特征在于,所述根据疑似形变点的形变缺陷指数检测汽车座椅骨架质量,包括:
...【技术特征摘要】
1.一种新能源汽车座椅骨架质量智能检测方法,其特征在于,该方法包括以下步骤:
2.如权利要求1所述的一种新能源汽车座椅骨架质量智能检测方法,其特征在于,所述获取测试后座椅骨架图像中的座椅骨架区域和测试前座椅骨架图像中对应的座椅骨架区域,包括:
3.如权利要求1所述的一种新能源汽车座椅骨架质量智能检测方法,其特征在于,所述构建像素点的局部光泽偏差权重,包括:
4.如权利要求1所述的一种新能源汽车座椅骨架质量智能检测方法,其特征在于,所述根据像素点的局部光泽偏差权重以及邻域像素点的灰度值构建像素点的骨架匹配差异度,包括:
5.如权利要求1所述的一种新能源汽车座椅骨架质量智能检测方法,其特征在于,所述根据各边缘线获取各拟合反光线,包括:对于位于座椅骨架区域内部的各边缘线,将边缘线上所有像素点的拟合线段作为拟...
【专利技术属性】
技术研发人员:倪虹杰,苏少毅,韦永,
申请(专利权)人:东莞虹日金属科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。